금과 은 차익거래 전략
ZSCORE, RSI, ATR, SMA, EMA
Z-Score 통계 중개: 금과 은의 가격 대비 수학 게임
이것은 일반적인 트렌드 추적 전략이 아닙니다. XAG/XAU 통계적 <unk>거 전략은 하나의 핵심 가정에 기반합니다: 금과 은의 가격이 장기 평균 회귀 관계에 있습니다. Z-Score가 ± 2 표준 차이를 돌파 할 때, 가격이 통계적으로 극한에 도달하여 회귀 기회를 잡습니다.
20주기 표준화 비율: 전통적인 연관성 분석보다 더 정확하다
전략의 핵심은 표준화 가격비율 모델을 구축하는 것이다. XAG와 XAU에 대해 20주기 SMA를 통해 표준화하고, 3주기 EMA를 사용하여 비율을 평형화한다. 이 처리 방식은 간단한 가격비율보다 안정적이며, 단기적 소음을 효과적으로 필터링한다. 표준화 비율의 Z-Score가 ± 2 범위를 초과할 때, 이는 현재 가격이 역사적 평균에서 2 표준 이상 떨어져 있다는 것을 나타냅니다. 통계적으로 작은 확률 사건으로 간주되며, 평균으로 돌아가는 시간을 제공합니다.
RSI 필터: 50 분기선을 잘 활용하는 방법
기존의 RSI 오버 바이 오버 세 신호와는 달리, RSI=50을 다공간 필터 조건으로 사용한다. RSI<50일 때 더 많이 할 수 있고, RSI>50일 때 더 적게 할 수 있다. 이 설계 논리는 명확하다: 상대적으로 약한 경우 구매하여 반발을 기다리고, 상대적으로 강한 경우 판매하여 재조정을 기다린다. 이 필터 메커니즘은 역경 거래의 위험을 효과적으로 줄이고, 신호 품질을 향상시킨다.
3:8의 ATR 리스크/이익 비율: 수학적으로 긍정적인 기대
스톱<unk>은 3배의 ATR, 스톱로스는 8배의 ATR로 설정되어 있고, 리스크 수익률은 1:2.67에 달한다. 이 디자인은 통계적 배당의 특징을 기반으로 한다. 평균값이 돌아가는 확률이 높지만, 충분한 오류 허용 공간을 부여해야 한다. 14주기 ATR은 스톱로스 레벨이 시장의 변동성에 적응할 수 있도록 보장한다. 역사적인 회귀는 이 비율이 귀금속 쌍 거래에서 긍정적인 기대 수익을 달성할 수 있음을 보여준다.
적용 시나리오: 위축 시장이 유동 시장보다 우수하다
통계적 중매 전략은 수평 변동 현장에서 가장 잘 작동합니다. 왜냐하면 이 때 평균값 회귀 특성이 더 분명하기 때문입니다. 단방향 시장에서 가격이 평균값에서 오랫동안 벗어날 수 있기 때문에 전략은 더 큰 회수 위험에 직면합니다. 시장의 변동률이 적당하고 명백한 단방향이없는 경우 사용하는 것이 좋습니다. 또한 귀금속 시장은 거시 경제 요인에 의해 영향을 받으며 중요한 사건 동안 신중하게 사용해야합니다.
위험 팁: 통계 모델의 한계
역사적인 통계적 관계는 미래의 지속을 보장하지 않는다. 금 은 비율은 수요 공급 구조의 변화, 통화 정책의 차이 등과 같은 요인들로 인해 장기적으로 편향될 수 있다. 전략은 연속적인 손실의 위험이 있다. 특히 시장 구조의 변화 기간 동안이다.
//@version=6
strategy("Stat Arb(xag & xau)")
// ══════════════════════════════════════════════════════════════
// BENCHMARK DATA
// ══════════════════════════════════════════════════════════════
float benchClose = request.security("XAG_USDT.swap", timeframe.period, close)
// ══════════════════════════════════════════════════════════════
// HELPER FUNCTIONS
// ══════════════════════════════════════════════════════════════
f_cov(float src1, float src2, int len) =>- 1